Keras LSTM Input Dimension понимая друг друга

Question

но я пытался поиграть с этим некоторое время.Я видел много руководств о том, как Keras используется для построения моделей LSTM и как люди вводят данные и получают ожидаемые результаты.Но я еще никогда не видел, например, данных о запасах, как мы можем заставить модель LSTM понимать закономерности между различными измерениями, скажем, цена закрытия намного выше, чем обычно, потому что объем низкий.

Точка этогочто я хочу провести тест с прогнозом запаса, но сделать так, чтобы каждое измерение не зависело от предыдущих временных шагов, но также зависело от других измерений, которые оно имеет.

Извините, если я не спрашиваювопрос правильно, пожалуйста, задавайте больше вопросов, если я не объясняю это четко.

Answer 1

Во-первых: регрессоры будут реплицироваться, если вы введете функцию, которая дает некоторую прямую интуицию о предсказанном вводе, возможно, для обеспечения того, чтобы ошибка была минимизирована, а не пыталась фактически предсказать ее.Попытайтесь сосредоточиться на бинарной классификации или мультиклассовой классификации, будь то цена закрытия повышается / понижается или насколько.

Второе: всегда создавайте необработанные функции, чтобы дать более явные шаблоны алгоритму ML.Думайте о входных данных как объем (t) - объем (t-1), закрытие (t) ^ 2 - закрытие (t-1) ^ 2, технические индикаторы (RSI, CCI, OBV и т. Д.). Создайте свои собственные функции.Вы можете использовать библиотеку pyti для технических индикаторов.